GOOGLE sáng chế ÁP DỤNG NGƯỜI SỬ DỤNG Clustering cho các cá nhân

Nó bắt đầu trở nên rõ ràng hơn rằng công cụ tìm kiếm được chuyển từ các công cụ tìm kiếm thông tin vào các thiết bị đề nghị .

Thay vì trở về kết quả là hầu hết các “liên quan” cho một truy vấn , tập trung của họ đã trở nên cung cấp một kết quả mà có thể phù hợp với ý định đằng sau một truy vấn, và cung cấp kết quả mà họ tin rằng có nhiều khả năng có thể phù hợp với lợi ích của một người tìm kiếm . Đây là một cách tiếp cận để cá nhân hóa cho người tìm kiếm và công cụ tìm kiếm .

Bài viết cuối cùng của tôi là trên một phương pháp của cá nhân mà Microsoft đã mô tả trong một hồ sơ bằng sáng chế.

Một ứng dụng bằng sáng chế gần đây của Google mô tả một cách nhóm lại với nhau tìm kiếm mà họ tin rằng có lợi ích tương tự , kiến nghị với họ dựa trên lựa chọn của những người khác có cùng sở thích . Nghe có vẻ nhiều hơn một chút như các ứng dụng bằng sáng chế của Microsoft.
Phân nhóm người sử dụng để thực hiện khuyến nghị

Khi một công cụ tìm kiếm có thể muốn cá nhân hoá kết quả cho người sử dụng , một trong những bước mà nó có thể cố gắng để có được để xác định những người sử dụng, và so sánh chúng và lợi ích của họ cho người sử dụng khác của công cụ tìm kiếm .

Một phương pháp làm có liên quan đến thông tin về nhóm những người sử dụng thành các cụm . Một phương pháp nổi tiếng trong cố gắng để đạt được người sử dụng cá nhân, liên quan đến lọc cộng tác , nơi người dùng được nhóm lại với nhau, và được cung cấp với các khuyến nghị của các mặt hàng mà người khác trong cụm của người dùng đã bày tỏ sự quan tâm in Nhưng đó không chỉ là phương pháp có thể sử dụng hợp tác lọc .

Phương pháp thông thường để hiểu biết khi người dùng đã bày tỏ sự quan tâm đến một cái gì đó là để theo dõi người đó có thể tương tác với nó , chẳng hạn như việc họ click vào nó , mua nó , hoặc thêm nó vào một giỏ mua hàng.

Khuyến nghị dựa trên người dùng phân nhóm có thể có nhiều hình thức, chẳng hạn như trình bày những khuyến nghị cho người sử dụng như một phần của kết quả tìm kiếm , hiển thị như câu chuyện tin tức người sử dụng có thể muốn đọc , xác định mục người sử dụng có thể muốn mua , và như vậy. Những khuyến nghị này có thể được lưu giữ riêng biệt từ kết quả tìm kiếm mà không dựa trên phân nhóm .

Phân nhóm người sử dụng khả năng mở rộng dựa trên thiết lập tương tự
Được phát minh bởi Mayur Datar và Ashutosh Garg
Giao cho Google
Ứng dụng bằng sáng chế Mỹ 20070038659
Cấp 15 tháng 2 năm 2007
Nộp ngày 15 tháng 8 năm 2005

trừu tượng công ty seo.

Phương pháp và thiết bị , bao gồm các hệ thống và các sản phẩm chương trình máy tính , để cung cấp phân nhóm của người sử dụng trong đó người dùng được mỗi biểu diễn như là một tập hợp các yếu tố đại diện cho sản phẩm, ví dụ như , các mục được lựa chọn bởi người dùng sử dụng một hệ thống .

Trong một khía cạnh, một chương trình hoạt động để có được một bộ lãi suất tương ứng cho từng nhiều người sử dụng , mỗi bộ lãi suất đại diện cho các mặt hàng mà người sử dụng tương ứng bày tỏ quan tâm ; cho mỗi người sử dụng, để xác định giá trị k băm của tập lãi suất tương ứng , trong đó giá trị băm thứ i là một giá trị tối thiểu theo một hàm băm tương ứng thứ i ; và phân công mỗi của nhiều người sử dụng cho mỗi cụm k tương ứng thành lập cho người sử dụng tương ứng , cụm thứ i được đại diện bởi các giá trị băm thứ i .

Sự phân công của mỗi người sử dụng để k cụm được thực hiện mà không quan tâm đến việc chuyển nhượng bất kỳ người sử dụng khác để k cụm .

Các nhà sáng chế được liệt kê là đồng tác giả về một bài báo được dự kiến ​​sẽ được công bố một thời gian trong tháng này, và trình bày tại 16 Thế giới quốc tế rộng Hội nghị Web ( WWW2007 ) . Trừu tượng cho tờ báo dường như bao gồm rất nhiều mặt đất giống như nộp hồ sơ bằng sáng chế này .

Google News Cá nhân : Khả năng mở rộng hợp tác trực tuyến lọc

tác giả :

Abhinandan Das (Google Inc)
Mayur Datar (Google Inc)
Ashutosh Garg ( Google Inc)
Shyam Rajaram ( Đại học Illinois tại Urbana Champagne )

Tóm tắt: công ty seo website.

Một số phương pháp để lọc cộng tác đã được nghiên cứu nhưng ít khi có các nghiên cứu được báo cáo cho lớn (vài triệu người sử dụng và các mặt hàng ) và các thiết lập năng động ( các thiết lập mục cơ bản liên tục thay đổi ) .

Trong bài báo này chúng tôi mô tả cách tiếp cận của chúng tôi để lọc cộng tác để tạo ra các khuyến nghị được cá nhân hóa cho người dùng của Google News. Chúng tôi tạo ra các khuyến nghị sử dụng ba phương pháp:

lọc cộng tác sử dụng MinHash clustering,

Xác suất tiềm ẩn Semantic Indexing ( PLSI ) , và

covisitation tính .

Chúng tôi kết hợp các khuyến nghị từ các thuật toán khác nhau bằng cách sử dụng một mô hình tuyến tính . Cách tiếp cận của chúng tôi là độc lập nội dung và do đó miền độc lập , làm cho nó dễ dàng adaptible cho các ứng dụng khác và các ngôn ngữ với nỗ lực tối thiểu . Bài viết này sẽ mô tả các thuật toán của chúng tôi và thiết lập hệ thống chi tiết, báo cáo kết quả của hoạt động khuyến công cụ trên Google News.